FR3123750A1 - SYSTEM AND METHOD FOR PREDICTING THE ENVIRONMENTAL IMPACT OF AT LEAST ONE STRUCTURE TO BE BUILT ON AT LEAST ONE PREDETERMINED GEOGRAPHICAL AREA OF THE EARTH - Google Patents
SYSTEM AND METHOD FOR PREDICTING THE ENVIRONMENTAL IMPACT OF AT LEAST ONE STRUCTURE TO BE BUILT ON AT LEAST ONE PREDETERMINED GEOGRAPHICAL AREA OF THE EARTH Download PDFInfo
- Publication number
- FR3123750A1 FR3123750A1 FR2105911A FR2105911A FR3123750A1 FR 3123750 A1 FR3123750 A1 FR 3123750A1 FR 2105911 A FR2105911 A FR 2105911A FR 2105911 A FR2105911 A FR 2105911A FR 3123750 A1 FR3123750 A1 FR 3123750A1
- Authority
- FR
- France
- Prior art keywords
- built
- score
- georeferenced
- environmental
- earth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 230000007613 environmental effect Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims description 38
- 238000010801 machine learning Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000003066 decision tree Methods 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 claims description 2
- 238000011065 in-situ storage Methods 0.000 claims description 2
- 238000012417 linear regression Methods 0.000 claims description 2
- 238000010238 partial least squares regression Methods 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 2
- 208000005156 Dehydration Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
L’un des objectifs de cette invention est de fournir un outil objectif et reproductible pour évaluer la pertinence de réaliser de nouvelles constructions sur une zone géographique prédéterminée de la Terre. Pour cela, les inventeurs proposent d’entrainer un modèle d’apprentissage machine, à partir de données d’historique pour prédire un paramètre de variation de score qui correspond à une variation d’au moins un score de pression environnementale. En pratique, le paramètre de variation de score est représentatif de l’impact environnemental d’une structure à construire sur au moins une zone géographique prédéterminée de la Terre. Figure à publier avec l’abrégé : figure 1One of the objectives of this invention is to provide an objective and reproducible tool to assess the relevance of carrying out new constructions on a predetermined geographical area of the Earth. For this, the inventors propose to train a machine learning model, from historical data to predict a score variation parameter which corresponds to a variation of at least one environmental pressure score. In practice, the score variation parameter is representative of the environmental impact of a structure to be built on at least one predetermined geographical area of the Earth. Figure to be published with abstract: Figure 1
Description
L’invention concerne le domaine de la quantification environnementale. En particulier, elle concerne un système et un procédé pour prédire l’impact environnemental d’au moins une structure à construire sur au moins une zone géographique prédéterminée de la Terre. Elle concerne également un système et un procédé pour l’entrainement d’un modèle d’apprentissage machine qui est destiné à prédire un paramètre de variation de score qui correspond à une variation d’au moins un score de pression environnementale.The invention relates to the field of environmental quantification. In particular, it relates to a system and a method for predicting the environmental impact of at least one structure to be built on at least one predetermined geographical area of the Earth. It also relates to a system and a method for training a machine learning model which is intended to predict a score variation parameter which corresponds to a variation of at least one environmental pressure score.
L’accroissement de l’urbanisation et du tourisme sont une caractéristique essentielle des sociétés industrielles.Increasing urbanization and tourism are an essential characteristic of industrial societies.
Or, leurs effets négatifs sur l’environnement sont très proches notamment lorsque l’on considère la typologie d’activités humaines et leur incidence sur l’artificialisation des sols et la biodiversité, les infrastructures routières et moyens de transport et leur incidence sur la qualité de l’air ou encore la sur-fréquentation de lieux et leur incidence sur le stress hydrique.However, their negative effects on the environment are very similar, particularly when we consider the typology of human activities and their impact on the artificialization of soils and biodiversity, road infrastructures and means of transport and their impact on the quality air or the over-frequentation of places and their impact on water stress.
Ainsi, l’urbanisation et le tourisme portent une responsabilité majeure et commune dans la dégradation de l’environnement.Thus, urbanization and tourism bear a major and common responsibility in the degradation of the environment.
La prise de conscience de cette problématique rend nécessaire une meilleure connaissance de leur impact sur l’environnement.Awareness of this issue makes it necessary to better understand their impact on the environment.
En particulier, on peut souhaiter disposer d’outils objectifs et reproductibles pour évaluer la pertinence de réaliser de nouvelles constructions sur une zone géographique prédéterminée de la Terre, au vu de leurs impacts futurs sur l’environnement.In particular, one may wish to have objective and reproducible tools to assess the relevance of carrying out new constructions on a predetermined geographical area of the Earth, in view of their future impacts on the environment.
Ainsi, il existe un besoin pour quantifier l’impact environnemental lié à la pertinence de réaliser de nouvelles constructions sur une zone géographique prédéterminée de la Terre.Thus, there is a need to quantify the environmental impact linked to the relevance of carrying out new constructions on a predetermined geographical area of the Earth.
L’invention vise à résoudre, au moins partiellement, ce besoin.The invention aims to solve, at least partially, this need.
L’invention vise un procédé de prédiction de l’impact environnemental d’au moins une structure à construire sur au moins une zone géographique prédéterminée de la Terre.The invention relates to a method for predicting the environmental impact of at least one structure to be built on at least one predetermined geographical area of the Earth.
En particulier, le procédé de prédiction comprend :
- une première étape d’obtention d’une pluralité de données géoréférencées qui est représentative de la surface au sol occupée par la structure à construire,
- une étape d’extraction de contours, à partir de la pluralité de données géoréférencées, d’un contour extérieur géoréférencé de la structure à construire,
- une deuxième étape d’obtention d’au moins un paramètre connu et/ou mesurable qui est associé à la structure à construire,
- une étape de formation d’un vecteur qui comprend le contour extérieur géoréférencé de la structure à construire et le paramètre connu et/ou mesurable qui est associé à la structure à construire, et
- une étape de prédiction, à partir du vecteur et d’au moins un modèle d’apprentissage machine qui est entrainé, dit modèle entrainé, pour prédire au moins un paramètre de variation de score qui correspond à une variation d’au moins un score de pression environnementale, le paramètre de variation de score étant représentatif de l’impact environnemental de la structure à construire sur la zone géographique prédéterminée de la Terre.In particular, the prediction method comprises:
- a first step of obtaining a plurality of georeferenced data which is representative of the ground surface occupied by the structure to be built,
- a contour extraction step, from the plurality of georeferenced data, of a georeferenced exterior contour of the structure to be built,
- a second step of obtaining at least one known and/or measurable parameter which is associated with the structure to be built,
- a step of forming a vector which includes the georeferenced outer contour of the structure to be built and the known and/or measurable parameter which is associated with the structure to be built, and
- a prediction step, from the vector and from at least one machine learning model which is trained, called trained model, to predict at least one score variation parameter which corresponds to a variation of at least one score of environmental pressure, the score variation parameter being representative of the environmental impact of the structure to be built on the predetermined geographical area of the Earth.
Dans un premier mode de réalisation, le procédé de prédiction comprend en outre :
- une étape de détermination ou de sélection d’au moins une typologie de structure à construire qui est choisie parmi une pluralité de typologies prédéterminées de structure à construire et de toutes combinaisons de celles-ci, et
- une première étape de recherche, à partir de la typologie de structure à construire, d’au moins une entrée d’une première table de sélection qui associe une typologie de structure à construire à au moins un modèle entrainé pour prédire le score de pression environnementale, et
dans lequel, l’étape de prédiction comprend l’utilisation du ou des modèles entrainés pour prédire le score de pression environnementale qui sont associés à la ou les entrées de la première table de sélection.In a first embodiment, the prediction method further comprises:
- a step of determining or selecting at least one typology of structure to be built which is chosen from among a plurality of predetermined typologies of structure to be built and of all combinations thereof, and
- a first step of searching, from the typology of structure to be built, at least one entry of a first selection table which associates a typology of structure to be built with at least one model trained to predict the pressure score environmental, and
wherein, the step of predicting includes using the trained model(s) to predict the environmental pressure score that is associated with the entry(s) of the first selection table.
Dans un deuxième mode de réalisation, le procédé de prédiction comprend en outre :
- une deuxième étape de recherche, à partir du paramètre connu et/ou mesurable qui est associé à la structure à construire, d’au moins une entrée d’une deuxième table de sélection qui associe un paramètre connu et/ou mesurable qui est associé à la structure à construire à au moins un modèle entrainé pour prédire le score de pression environnementale, et
dans lequel, l’étape de prédiction comprend l’utilisation du ou des modèles entrainés pour prédire le score de pression environnementale qui sont associés à la ou les entrées de la deuxième table de sélection.In a second embodiment, the prediction method further comprises:
- a second search step, from the known and/or measurable parameter which is associated with the structure to be built, at least one entry of a second selection table which associates a known and/or measurable parameter which is associated the structure to be built at least one model trained to predict the environmental pressure score, and
wherein, the step of predicting includes using the trained model(s) to predict the environmental pressure score that is associated with the entry(s) of the second selection table.
Dans un troisième mode de réalisation, le procédé de prédiction comprend en outre :
- une troisième étape d’obtention d’au moins un premier score de pression environnementale associé à la zone géographique prédéterminée de la Terre, et
- une étape de calcul d’au moins un deuxième score de pression environnementale à partir du premier score de pression environnementale et de paramètre de variation de score.In a third embodiment, the prediction method further comprises:
- a third step of obtaining at least a first environmental pressure score associated with the predetermined geographical area of the Earth, and
- a step of calculating at least a second environmental pressure score from the first environmental pressure score and score variation parameter.
Dans une première mise en œuvre particulière, la zone géographique prédéterminée de la Terre présente un rayon dont une origine coïncide avec le barycentre des données géoréférencées qui définissent le contour extérieur géoréférencé de la structure à construire.In a first particular implementation, the predetermined geographical zone of the Earth has a radius whose origin coincides with the barycenter of the georeferenced data which define the georeferenced exterior contour of the structure to be built.
Dans une deuxième mise en œuvre particulière, le paramètre connu et/ou mesurable qui est associé à la structure à construire décrit une propriété qui est choisie parmi : une surface, un effectif, une consommation, une production, une émission et toutes combinaisons de ceux-ci.In a second particular implementation, the known and/or measurable parameter which is associated with the structure to be built describes a property which is chosen from: a surface, a workforce, a consumption, a production, an emission and all combinations of those -this.
L’invention vise aussi un système pour prédire l’impact environnemental d’au moins une structure à construire sur au moins une zone géographique prédéterminée de la Terre.The invention also relates to a system for predicting the environmental impact of at least one structure to be built on at least one predetermined geographical area of the Earth.
En particulier, le système comprend :
- au moins un dispositif de stockage de données configuré pour stocker des instructions pour prédire l’impact environnemental d’au moins une structure à construire, et
- au moins un processeur configuré pour exécuter les instructions pour mettre en œuvre un procédé de prédiction selon l’invention.In particular, the system includes:
- at least one data storage device configured to store instructions for predicting the environmental impact of at least one structure to be built, and
- at least one processor configured to execute the instructions to implement a prediction method according to the invention.
L’invention vise aussi un procédé d’entrainement d’un modèle d’apprentissage machine qui est destiné à prédire un paramètre de variation de score qui correspond à une variation d’au moins un score de pression environnementale, le paramètre de variation de score étant représentatif de l’impact environnemental d’une structure à construire sur au moins une zone géographique prédéterminée de la Terre, la zone géographique prédéterminée de la Terre comprenant une pluralité de positions géographiques.The invention also relates to a method for training a machine learning model which is intended to predict a score variation parameter which corresponds to a variation of at least one environmental pressure score, the score variation parameter being representative of the environmental impact of a structure to be built on at least one predetermined geographical area of the Earth, the predetermined geographical area of the Earth comprising a plurality of geographical positions.
En particulier, le procédé d’entrainement comprend :
- une première étape d’obtention d’un historique de données géoréférencées qui couvrent tout ou partie de la zone géographique prédéterminée de la Terre, respectivement obtenues à des premières périodes d’historique,
- une étape de recherche, à partir de l’historique de données géoréférencées, de la première donnée géoréférencée à laquelle apparait pour la première fois au moins une structure construite, dite donnée géoréférencée de référence,
- une étape d’extraction de contours, à partir de la donnée géoréférencée de référence, d’un contour extérieur géoréférencé de la structure à construire,
- une deuxième étape d’obtention d’au moins un paramètre connu et/ou mesurable qui est associé à la structure à construire,
- une troisième étape d’obtention, pour tout ou partie de la pluralité de positions géographiques, d’un premier historique de valeurs antérieures de paramètres environnementaux respectivement obtenues à au moins une deuxième période d’historique inférieure ou égale à la première période d’historique associée à la donnée géoréférencée de référence,
- une quatrième étape de calcul, pour tout ou partie de la deuxième période d’historique, d’au moins un premier score de pression environnementale à partir de tout ou partie de l’historique de valeurs antérieures de paramètres environnementaux,
- une quatrième étape d’obtention, pour tout ou partie de la pluralité de positions géographiques, d’un deuxième historique de valeurs antérieures de paramètres environnementaux respectivement obtenues à au moins une troisième période d’historique supérieure ou égale à la première période d’historique associée à la donnée géoréférencée de référence,
- une troisième étape de calcul, pour tout ou partie de la troisième période d’historique, d’au moins un deuxième score de pression environnementale à partir de tout ou partie de l’historique de valeurs antérieures de paramètres environnementaux,
- une cinquième étape de calcul, d’au moins paramètre de variation de score qui correspond à une variation entre le premier score de pression environnementale et le deuxième score de pression environnementale,
- une première étape de formation d’un premier vecteur qui comprend le contour extérieur géoréférencé de la structure à construire et le paramètre connu et/ou mesurable qui est associé à la structure à construire,
- une deuxième étape de formation d’un deuxième vecteur qui comprend le paramètre de variation de score, et
- une étape d’entrainement d’un modèle d’apprentissage machine via un apprentissage automatique qui comprend une entrée et une sortie, l’entrée étant configurée pour recevoir le premier vecteur et la sortie étant configurée pour recevoir le deuxième vecteur.In particular, the training method comprises:
- a first step of obtaining a history of georeferenced data which cover all or part of the predetermined geographical area of the Earth, respectively obtained at first periods of history,
- a search step, from the history of georeferenced data, of the first georeferenced data to which appears for the first time at least one built structure, called reference georeferenced data,
- a contour extraction step, from the georeferenced reference data, of a georeferenced exterior contour of the structure to be built,
- a second step of obtaining at least one known and/or measurable parameter which is associated with the structure to be built,
- a third step of obtaining, for all or part of the plurality of geographical positions, a first history of previous values of environmental parameters respectively obtained at at least a second period of history less than or equal to the first period of history associated with the reference georeferenced data,
- a fourth step of calculating, for all or part of the second history period, at least a first environmental pressure score from all or part of the history of previous values of environmental parameters,
- a fourth step of obtaining, for all or part of the plurality of geographical positions, a second history of previous values of environmental parameters respectively obtained at at least a third period of history greater than or equal to the first period of history associated with the reference georeferenced data,
- a third step of calculating, for all or part of the third history period, at least one second environmental pressure score from all or part of the history of previous values of environmental parameters,
- a fifth calculation step, at least a score variation parameter which corresponds to a variation between the first environmental pressure score and the second environmental pressure score,
- a first step of forming a first vector which includes the georeferenced outer contour of the structure to be built and the known and/or measurable parameter which is associated with the structure to be built,
- a second step of forming a second vector which includes the score variation parameter, and
- a step of training a machine learning model via automatic learning which comprises an input and an output, the input being configured to receive the first vector and the output being configured to receive the second vector.
Dans un premier mode de réalisation, le procédé d’entrainement comprend en outre :
- une étape de détermination ou de sélection d’au moins une typologie de structure à construire qui est choisie parmi une pluralité de typologies prédéterminées de structure à construire et de toutes combinaisons de celles-ci, et
- une première étape d’insertion de la typologie de structure à construire dans une première table de sélection qui associe une typologie de structure à construire à au moins un modèle d’apprentissage machine qui est entrainé pour prédire le score de pression environnementale.In a first embodiment, the training method further comprises:
- a step of determining or selecting at least one typology of structure to be built which is chosen from among a plurality of predetermined typologies of structure to be built and of all combinations thereof, and
- a first step of inserting the typology of structure to be built into a first selection table which associates a typology of structure to be built with at least one machine learning model which is trained to predict the environmental pressure score.
Dans un deuxième mode de réalisation, le procédé d’entrainement comprend en outre :
- une deuxième étape d’insertion du paramètre connu et/ou mesurable qui est associé à la structure à construire dans une deuxième table de sélection qui associe un paramètre connu et/ou mesurable qui est associé à la structure à construire à au moins un modèle d’apprentissage machine qui est entrainé pour prédire le score de pression environnementale.In a second embodiment, the training method further comprises:
- a second step of inserting the known and/or measurable parameter which is associated with the structure to be built into a second selection table which associates a known and/or measurable parameter which is associated with the structure to be built with at least one model learning machine that is trained to predict the environmental pressure score.
Dans un troisième mode de réalisation, le procédé d’entrainement comprend en outre une étape de dérivation de l’historique de données géoréférencées à partir d’une pluralité d’éléments choisis parmi : un capteur in situ, une image aérienne, une image satellite, des plans ou des schémas directeurs de la structure à construire, et toutes combinaisons de ceux-ci.In a third embodiment, the training method further comprises a step of deriving the history of georeferenced data from a plurality of elements chosen from: an in situ sensor, an aerial image, a satellite image , blueprints or blueprints of the structure to be built, and any combinations thereof.
Dans une première mise en œuvre particulière, le paramètre connu et/ou mesurable qui est associé à la structure à construire décrit une propriété qui est choisie parmi : une surface, un effectif, une consommation, une production, une émission et toutes combinaisons de ceux-ci.In a first particular implementation, the known and/or measurable parameter which is associated with the structure to be built describes a property which is chosen from: a surface, a workforce, a consumption, a production, an emission and all combinations of those -this.
Dans une deuxième mise en œuvre particulière, les paramètres environnementaux sont choisis parmi : l’air, l’eau, l’urbanisation, la biodiversité et toutes combinaisons de ceux-ci.In a second particular implementation, the environmental parameters are chosen from: air, water, urbanization, biodiversity and any combination thereof.
Dans une troisième mise en œuvre particulière, l’apprentissage automatique comprend un algorithme d’entrainement qui est choisi parmi : une régression des moindres carrés partiels, une régression linéaire, un réseau neuronal, un arbre de décision, un algorithme génétique, une programmation génétique, une méthode des k plus proches voisins, un réseau à fonctions de base radiales, une fonction aléatoire, une forêt, une machine à vecteurs de support et un apprentissage profond.In a third particular implementation, the machine learning includes a training algorithm that is selected from: partial least squares regression, linear regression, neural network, decision tree, genetic algorithm, genetic programming , a k-nearest neighbor method, a radial basis function network, a random function, a forest, a support vector machine and deep learning.
L’invention vise aussi un système pour l’entrainement d’un modèle d’apprentissage machine qui est destiné à prédire un paramètre de variation de score qui correspond à une variation d’au moins un score de pression environnementale, le paramètre de variation de score étant représentatif de l’impact environnemental d’une structure à construire sur au moins une zone géographique prédéterminée de la Terre, la zone géographique prédéterminée de la Terre comprenant une pluralité de positions géographiques.The invention also relates to a system for training a machine learning model which is intended to predict a score variation parameter which corresponds to a variation of at least one environmental pressure score, the score being representative of the environmental impact of a structure to be built on at least one predetermined geographical area of the Earth, the predetermined geographical area of the Earth comprising a plurality of geographical positions.
En particulier, le système comprend :
- au moins un dispositif de stockage de données configuré pour stocker des instructions pour l’entrainement d’un modèle d’apprentissage machine ; et
- au moins un processeur configuré pour exécuter les instructions pour mettre en œuvre un procédé d’entrainement selon l’invention.In particular, the system includes:
- at least one data storage device configured to store instructions for training a machine learning model; and
- at least one processor configured to execute the instructions to implement a training method according to the invention.
D’autres caractéristiques et avantages de l’invention seront mieux compris à la lecture de la description qui va suivre et en référence aux dessins annexés, donnés à titre illustratif et nullement limitatif.Other characteristics and advantages of the invention will be better understood on reading the following description and with reference to the appended drawings, given by way of illustration and in no way limiting.
Les figures ne respectent pas nécessairement les échelles, notamment en épaisseur, et ce à des fins d’illustration.The figures do not necessarily respect the scales, in particular in thickness, and this for purposes of illustration.
Sur les différentes figures, les traits et flèches en pointillés indiquent des éléments, des étapes et des enchainements facultatifs ou optionnels.In the various figures, the dotted lines and arrows indicate optional or optional elements, steps and sequences.
Claims (15)
- une première étape d’obtention (110) d’une pluralité de données géoréférencées qui est représentative de la surface au sol occupée par la structure à construire,
- une étape d’extraction de contours (120), à partir de la pluralité de données géoréférencées, d’un contour extérieur géoréférencé de la structure à construire,
- une deuxième étape d’obtention (130) d’au moins un paramètre connu et/ou mesurable qui est associé à la structure à construire,
- une étape de formation (140) d’un vecteur qui comprend le contour extérieur géoréférencé de la structure à construire et le paramètre connu et/ou mesurable qui est associé à la structure à construire, et
- une étape de prédiction (150), à partir du vecteur et d’au moins un modèle d’apprentissage machine qui est entrainé, dit modèle entrainé, pour prédire au moins un paramètre de variation de score qui correspond à une variation d’au moins un score de pression environnementale, le paramètre de variation de score étant représentatif de l’impact environnemental de la structure à construire sur la zone géographique prédéterminée de la Terre.Method for predicting (100) the environmental impact of at least one structure to be built on at least one predetermined geographical area of the Earth, the prediction method (100) comprising:
- a first step of obtaining (110) a plurality of georeferenced data which is representative of the ground surface occupied by the structure to be built,
- a contour extraction step (120), from the plurality of georeferenced data, of a georeferenced exterior contour of the structure to be built,
- a second step of obtaining (130) at least one known and/or measurable parameter which is associated with the structure to be built,
- a step of forming (140) a vector which comprises the georeferenced exterior contour of the structure to be built and the known and/or measurable parameter which is associated with the structure to be built, and
- a prediction step (150), from the vector and from at least one machine learning model which is trained, said trained model, to predict at least one score variation parameter which corresponds to a variation of at least minus an environmental pressure score, the score variation parameter being representative of the environmental impact of the structure to be built on the predetermined geographical area of the Earth.
- une étape de détermination ou de sélection (160) d’au moins une typologie de structure à construire qui est choisie parmi une pluralité de typologies prédéterminées de structure à construire et de toutes combinaisons de celles-ci, et
- une première étape de recherche (170), à partir de la typologie de structure à construire, d’au moins une entrée d’une première table de sélection qui associe une typologie de structure à construire à au moins un modèle entrainé pour prédire le score de pression environnementale, et
dans lequel, l’étape de prédiction (150) comprend l’utilisation du ou des modèles entrainés pour prédire le score de pression environnementale qui sont associés à la ou les entrées de la première table de sélection.A prediction method (100) according to claim 1 further comprising:
- a step of determining or selecting (160) at least one typology of structure to be built which is chosen from among a plurality of predetermined typologies of structure to be built and of all combinations thereof, and
- a first search step (170), from the typology of structure to be built, of at least one entry of a first selection table which associates a typology of structure to be built with at least one model trained to predict the environmental pressure score, and
wherein, the step of predicting (150) comprises using the trained model(s) to predict the environmental pressure score that is associated with the entry(s) of the first selection table.
- une deuxième étape de recherche (180), à partir du paramètre connu et/ou mesurable qui est associé à la structure à construire, d’au moins une entrée d’une deuxième table de sélection qui associe un paramètre connu et/ou mesurable qui est associé à la structure à construire à au moins un modèle entrainé pour prédire le score de pression environnementale, et
dans lequel, l’étape de prédiction (150) comprend l’utilisation du ou des modèles entrainés pour prédire le score de pression environnementale qui sont associés à la ou les entrées de la deuxième table de sélection.A prediction method (100) according to any one of claims 1 to 2 further comprising:
- a second search step (180), from the known and/or measurable parameter which is associated with the structure to be built, at least one entry of a second selection table which associates a known and/or measurable parameter which is associated with the structure to be built with at least one model trained to predict the environmental pressure score, and
wherein, the step of predicting (150) comprises using the trained model(s) to predict the environmental pressure score that is associated with the entry(s) of the second selection table.
- une troisième étape d’obtention (190) d’au moins un premier score de pression environnementale associé à la zone géographique prédéterminée de la Terre, et
- une étape de calcul (191) d’au moins un deuxième score de pression environnementale à partir du premier score de pression environnementale et de paramètre de variation de score.A prediction method (100) according to any of claims 1 to 3, further comprising:
- a third step of obtaining (190) at least a first environmental pressure score associated with the predetermined geographical area of the Earth, and
- a calculation step (191) of at least a second environmental pressure score from the first environmental pressure score and score variation parameter.
- au moins un dispositif de stockage de données (210) configuré pour stocker des instructions pour prédire l’impact environnemental d’au moins une structure à construire, et
- au moins un processeur (220) configuré pour exécuter les instructions pour mettre en œuvre un procédé de prédiction (100) selon l’une quelconque des revendications 1 à 6.System (200) for predicting the environmental impact of at least one structure to be built on at least one predetermined geographical area of the Earth, the system (200) comprising:
- at least one data storage device (210) configured to store instructions for predicting the environmental impact of at least one structure to be built, and
- at least one processor (220) configured to execute the instructions to implement a prediction method (100) according to any one of claims 1 to 6.
- une première étape d’obtention (310) d’un historique de données géoréférencées qui couvrent tout ou partie de la zone géographique prédéterminée de la Terre, respectivement obtenues à des premières périodes d’historique,
- une étape de recherche (320), à partir de l’historique de données géoréférencées, de la première donnée géoréférencée à laquelle apparait pour la première fois au moins une structure construite, dite donnée géoréférencée de référence,
- une étape d’extraction de contours (321), à partir de la donnée géoréférencée de référence, d’un contour extérieur géoréférencé de la structure à construire,
- une deuxième étape d’obtention (322) d’au moins un paramètre connu et/ou mesurable qui est associé à la structure à construire,
- une troisième étape d’obtention (330), pour tout ou partie de la pluralité de positions géographiques, d’un premier historique de valeurs antérieures de paramètres environnementaux respectivement obtenues à au moins une deuxième période d’historique inférieure ou égale à la première période d’historique associée à la donnée géoréférencée de référence,
- une quatrième étape de calcul (331), pour tout ou partie de la deuxième période d’historique, d’au moins un premier score de pression environnementale à partir de tout ou partie de l’historique de valeurs antérieures de paramètres environnementaux,
- une quatrième étape d’obtention (340), pour tout ou partie de la pluralité de positions géographiques, d’un deuxième historique de valeurs antérieures de paramètres environnementaux respectivement obtenues à au moins une troisième période d’historique supérieure ou égale à la première période d’historique associée à la donnée géoréférencée de référence,
- une troisième étape de calcul (341), pour tout ou partie de la troisième période d’historique, d’au moins un deuxième score de pression environnementale à partir de tout ou partie de l’historique de valeurs antérieures de paramètres environnementaux,
- une cinquième étape de calcul (350), d’au moins paramètre de variation de score qui correspond à une variation entre le premier score de pression environnementale et le deuxième score de pression environnementale,
- une première étape de formation (360) d’un premier vecteur qui comprend le contour extérieur géoréférencé de la structure à construire et le paramètre connu et/ou mesurable qui est associé à la structure à construire,
- une deuxième étape de formation (361) d’un deuxième vecteur qui comprend le paramètre de variation de score, et
- une étape d’entrainement (370) d’un modèle d’apprentissage machine via un apprentissage automatique qui comprend une entrée et une sortie, l’entrée étant configurée pour recevoir le premier vecteur et la sortie étant configurée pour recevoir le deuxième vecteur.A method of training (300) a machine learning model which is intended to predict a score variation parameter which corresponds to a variation of at least one environmental pressure score, the score variation parameter being representative of the environmental impact of a structure to be built on at least one predetermined geographic area of the Earth, the predetermined geographic area of the Earth comprising a plurality of geographic positions, the training method (300) comprising:
- a first step of obtaining (310) a history of georeferenced data which cover all or part of the predetermined geographical area of the Earth, respectively obtained at first periods of history,
- a search step (320), from the history of georeferenced data, of the first georeferenced data item in which at least one constructed structure appears for the first time, called reference georeferenced data item,
- a contour extraction step (321), from the georeferenced reference data, of a georeferenced exterior contour of the structure to be built,
- a second step of obtaining (322) at least one known and/or measurable parameter which is associated with the structure to be built,
- a third step of obtaining (330), for all or part of the plurality of geographical positions, a first history of previous values of environmental parameters respectively obtained at at least a second period of history less than or equal to the first historical period associated with the reference georeferenced data,
- a fourth calculation step (331), for all or part of the second history period, of at least one first environmental pressure score from all or part of the history of previous values of environmental parameters,
- a fourth step of obtaining (340), for all or part of the plurality of geographical positions, a second history of previous values of environmental parameters respectively obtained at at least a third period of history greater than or equal to the first historical period associated with the reference georeferenced data,
- a third calculation step (341), for all or part of the third history period, of at least one second environmental pressure score from all or part of the history of previous values of environmental parameters,
- a fifth calculation step (350), at least a score variation parameter which corresponds to a variation between the first environmental pressure score and the second environmental pressure score,
- a first step of forming (360) a first vector which comprises the georeferenced outer contour of the structure to be built and the known and/or measurable parameter which is associated with the structure to be built,
- a second step of forming (361) a second vector which includes the score variation parameter, and
- a step of training (370) a machine learning model via automatic learning which comprises an input and an output, the input being configured to receive the first vector and the output being configured to receive the second vector.
- une étape de détermination ou de sélection (380) d’au moins une typologie de structure à construire qui est choisie parmi une pluralité de typologies prédéterminées de structure à construire et de toutes combinaisons de celles-ci, et
- une première étape d’insertion (381) de la typologie de structure à construire dans une première table de sélection qui associe une typologie de structure à construire à au moins un modèle d’apprentissage machine qui est entrainé pour prédire le score de pression environnementale.A method of training (300) according to claim 8, further comprising:
- a step of determining or selecting (380) at least one typology of structure to be built which is chosen from among a plurality of predetermined typologies of structure to be built and of all combinations thereof, and
- a first step of inserting (381) the typology of structure to be built into a first selection table which associates a typology of structure to be built with at least one machine learning model which is trained to predict the environmental pressure score .
- une deuxième étape d’insertion (390) du paramètre connu et/ou mesurable qui est associé à la structure à construire dans une deuxième table de sélection qui associe un paramètre connu et/ou mesurable qui est associé à la structure à construire à au moins un modèle d’apprentissage machine qui est entrainé pour prédire le score de pression environnementale.A method of training (300) according to any one of claims 8 to 9, further comprising:
- a second step of inserting (390) the known and/or measurable parameter which is associated with the structure to be built into a second selection table which associates a known and/or measurable parameter which is associated with the structure to be built with at least least one machine learning model that is trained to predict the environmental pressure score.
- au moins un dispositif de stockage de données (410) configuré pour stocker des instructions pour l’entrainement d’un modèle d’apprentissage machine ; et
- au moins un processeur (420) configuré pour exécuter les instructions pour mettre en œuvre un procédé d’entrainement (300) selon l’une quelconque des revendications 8 à 14.
System (400) for training a machine learning model which is intended to predict a score variation parameter which corresponds to a variation of at least one environmental pressure score, the score variation parameter being representative the environmental impact of a structure to be built on at least one predetermined geographical area of the Earth, the predetermined geographical area of the Earth comprising a plurality of geographical positions, the system (400) comprising:
- at least one data storage device (410) configured to store instructions for training a machine learning model; and
- at least one processor (420) configured to execute the instructions to implement a training method (300) according to any one of claims 8 to 14.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2105911A FR3123750A1 (en) | 2021-06-04 | 2021-06-04 | SYSTEM AND METHOD FOR PREDICTING THE ENVIRONMENTAL IMPACT OF AT LEAST ONE STRUCTURE TO BE BUILT ON AT LEAST ONE PREDETERMINED GEOGRAPHICAL AREA OF THE EARTH |
| EP22734869.5A EP4315202B1 (en) | 2021-06-04 | 2022-06-06 | Computer-implemented method and system for predicting at least one parameter of variation in an environmental-pressure score associated with at least one structure to be constructed in at least one predetermined geographical region of the earth |
| PCT/EP2022/065302 WO2022254045A1 (en) | 2021-06-04 | 2022-06-06 | Computer-implemented method and system for predicting at least one parameter of variation in an environmental-pressure score associated with at least one structure to be constructed in at least one predetermined geographical region of the earth |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2105911A FR3123750A1 (en) | 2021-06-04 | 2021-06-04 | SYSTEM AND METHOD FOR PREDICTING THE ENVIRONMENTAL IMPACT OF AT LEAST ONE STRUCTURE TO BE BUILT ON AT LEAST ONE PREDETERMINED GEOGRAPHICAL AREA OF THE EARTH |
| FR2105911 | 2021-06-04 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR3123750A1 true FR3123750A1 (en) | 2022-12-09 |
Family
ID=76730855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2105911A Withdrawn FR3123750A1 (en) | 2021-06-04 | 2021-06-04 | SYSTEM AND METHOD FOR PREDICTING THE ENVIRONMENTAL IMPACT OF AT LEAST ONE STRUCTURE TO BE BUILT ON AT LEAST ONE PREDETERMINED GEOGRAPHICAL AREA OF THE EARTH |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP4315202B1 (en) |
| FR (1) | FR3123750A1 (en) |
| WO (1) | WO2022254045A1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140214472A1 (en) * | 2013-01-31 | 2014-07-31 | Paragon Partners Ltd. | Systems, methods, and devices for analyzing a route using a geographic information system |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9355069B2 (en) * | 2013-12-20 | 2016-05-31 | Johnson Controls Technology Company | Systems and methods for determining the uncertainty in parameters of an energy use model |
| CN110135649B (en) * | 2019-05-21 | 2021-06-11 | 山东建筑大学 | Short-term building energy consumption interval prediction method, system, medium and equipment |
| CN111047695B (en) * | 2019-12-03 | 2020-11-10 | 中国科学院地理科学与资源研究所 | Method for extracting height spatial information and contour line of urban group |
-
2021
- 2021-06-04 FR FR2105911A patent/FR3123750A1/en not_active Withdrawn
-
2022
- 2022-06-06 EP EP22734869.5A patent/EP4315202B1/en active Active
- 2022-06-06 WO PCT/EP2022/065302 patent/WO2022254045A1/en active Application Filing
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140214472A1 (en) * | 2013-01-31 | 2014-07-31 | Paragon Partners Ltd. | Systems, methods, and devices for analyzing a route using a geographic information system |
Also Published As
| Publication number | Publication date |
|---|---|
| EP4315202B1 (en) | 2024-10-02 |
| EP4315202A1 (en) | 2024-02-07 |
| WO2022254045A1 (en) | 2022-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2746537C (en) | Standardization of data used for monitoring an aircraft engine | |
| EP1779149B1 (en) | Climatic forecast system | |
| CA2826641C (en) | Forecasting maintenance operations for an aircraft engine | |
| JP5724110B2 (en) | Route creation system, route creation method and program | |
| EP3894297B1 (en) | Method for characterising bends for warning drivers | |
| EP2079984B1 (en) | Method of constructing a digital road model | |
| RU2008134480A (en) | LAND RELIEF CORRECTION SYSTEMS | |
| FR2837596A1 (en) | Mobile phone network optimization method in which a geographical map area is selected and then a network model with potential base station positions is determined that takes into account geographical marketing data | |
| EP3455452A1 (en) | Method for determining a maximum allowable volume of water that can be removed over time from an underground water source | |
| FR3081078A1 (en) | METHOD OF GENERATING PREDICTIVE PROBABILITY CARDS OF HYDROCARBON NETWORK ELEMENTS | |
| Reddy et al. | Spatial variation in the response of tiger gene flow to landscape features and limiting factors | |
| CN112798610A (en) | Scattered pollution enterprise distribution identification method based on satellite remote sensing monitoring | |
| FR3123750A1 (en) | SYSTEM AND METHOD FOR PREDICTING THE ENVIRONMENTAL IMPACT OF AT LEAST ONE STRUCTURE TO BE BUILT ON AT LEAST ONE PREDETERMINED GEOGRAPHICAL AREA OF THE EARTH | |
| Opelele et al. | Biomass estimation based on Multilinear regression and machine learning algorithms in the Mayombe tropical forest, in the Democratic Republic of Congo | |
| EP0860796A1 (en) | Method of detecting man-made structures in a digital representation of a terrain | |
| JP2008152709A (en) | Geographic image processor and program | |
| EP3311604B1 (en) | System for optimising the deployment of sensors for locating targets, use of the system and optimisation method | |
| FR2893158A1 (en) | METHOD FOR GENERATING A DATABASE COMPRISING TOPOGRAPHIC INFORMATION ON OBSTACLES, AND DATABASE DATA BASE. | |
| Wei-Hao et al. | Comparisons of Classification Models on COASTSAT | |
| CN112668634B (en) | Underground pipe network automatic identification and detection cloud system based on deep learning | |
| FR3063866A1 (en) | AN ASSEMBLY AND METHOD FOR CULTIVATION OF PERENNIAL PLANTS SUCH AS VINES, IMPLEMENTING THE MANAGEMENT OF DATA COLLECTED WHEN USING A PORTABLE CUTTING TOOL | |
| KR101725015B1 (en) | Appartus for home sales index prediction using artificial neural network and method thereof | |
| CN113127465A (en) | Data fusion method and system | |
| EP3380947B1 (en) | Method and device for forecasting cloudiness by statistical processing of data selected by spatial analysis | |
| FR2949157A1 (en) | PROCESS FOR APPROXIMATING WEATHER VARIABLES |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20221209 |
|
| ST | Notification of lapse |
Effective date: 20240205 |